Um avanço nos modelos se aproxima, mas quanto falta para o uso em fábricas?

  • O Nomura espera que a OpenAI lance um modelo para IA física entre dezembro de 2026 e janeiro de 2027, como primeiro catalisador. Contudo, o banco situa essa onda de avanços próxima ao GPT-2: as capacidades começam a aparecer, mas ainda há uma distância até a produção estável.
  • Já houve progresso no aprendizado a partir de poucas demonstrações. A Generalist AI informou que o GEN-1.5 alcançou uma taxa de sucesso de 59% em dez testes após assistir a uma demonstração de 3–12 segundos, subindo para 83% após um treinamento curto com cinco minutos adicionais de dados. Esses resultados vêm de testes da empresa que abrangem tarefas curtas ou ambientes simulados.
  • A confiabilidade é o que realmente determina se os clientes passam dos orçamentos de teste para os operacionais. A pesquisa do Nomura mostra que os melhores robôs conseguem operar sem intervenção por apenas algumas horas, enquanto as fábricas precisam de uma semana; a precisão em campo é de cerca de 60%, enquanto o setor exige pelo menos 98%. O banco estima que levará 3–5 anos para fechar essa última lacuna.

Por que vídeos em primeira pessoa podem mudar os custos de treinamento?

  • A teleoperação depende de pessoas que controlam robôs remotamente para coletar dados; seu custo é alto e está vinculado a modelos específicos. O Nomura estima o custo típico em cerca de 700 yuans por hora. O vídeo humano em primeira pessoa custa cerca de 300–350 yuans e continua utilizável entre gerações de robôs, sendo mais adequado para ampliar o volume de dados de pré-treinamento.
  • A melhora da eficiência também vem dos métodos de treinamento. O SuperMimic primeiro aprende como o corpo se move e depois treina um controlador dentro do modelo. O artigo relata que o treinamento em uma única GPU por 3 horas superou o método de referência treinado com 128 GPUs por 7 dias, reduzindo a necessidade de computação em mais de mil vezes. Essa melhora se aplica ao controle do movimento do corpo inteiro; com base nisso, o Nomura acredita que a dependência de poder computacional nessa etapa pode diminuir.
  • O vídeo pode resolver o aprendizado inicial, mas o progresso contínuo também depende dos dados gerados enquanto os robôs trabalham. O Nomura acredita que somente um número suficiente de implantações pode formar o ciclo ‘operações geram dados—o modelo melhora—as implantações aumentam’.

Quem tem melhores condições de transformar o avanço dos modelos em um ciclo de feedback de dados?

  • O Nomura prefere grandes laboratórios de IA e a Tesla: os primeiros possuem modelos de uso geral, talentos e poder computacional, enquanto a Tesla conecta simulação, plataformas de dados, testes em fábrica e seus próprios robôs. Os dois conjuntos de capacidades podem se complementar.
  • A escala em campo continua sendo uma restrição. Segundo a pesquisa do Nomura, a Tesla pretende acumular 1 milhão horas de dados utilizáveis até o fim de 2026 por meio de cerca de 10 mil robôs de treinamento interno. Em comparação, as sete maiores empresas chinesas de entrega expressa devem comprar, juntas, menos de 500 robôs humanoides em 2026. Por isso, o banco avalia que o ciclo começará dentro de empresas que controlam tanto os modelos quanto os robôs.

Por que as mãos destras podem ser as primeiras a ganhar escala?

  • No passado, os dados de treinamento eram insuficientes e os robôs usavam com mais frequência garras simples. O Nomura acredita que modelos fundacionais mais fortes podem transferir habilidades aprendidas por garras de dois ou três dedos para mãos de cinco dedos, impulsionando a adoção e a queda do preço unitário.
  • O banco prevê que as entregas de mãos destras cresçam 80%–120% na comparação anual em 2026, impulsionadas principalmente por produtos com alto grau de liberdade e mais articulações móveis. A lógica do benefício é que os modelos reduzem a barreira ao uso de mãos complexas, enquanto o crescimento das entregas vem acompanhado de queda de preços.

Por que a competição entre fabricantes de robôs completos dependerá, em última análise, da consistência na fabricação?

  • O Nomura prevê que, após a estabilização da linha de desenvolvimento dos modelos, os robôs convergirão para poucas formas padronizadas. Nesse momento, será essencial que as mais de 20 articulações de cada robô apresentem desempenho semelhante: se as diferenças entre os corpos forem grandes demais, será difícil reutilizar em outras máquinas uma estratégia de controle aprendida por uma delas, prejudicando o compartilhamento de dados.
  • Por isso, o banco prefere a Unitree, montadoras e fornecedores de componentes essenciais que fazem iterações rapidamente e controlam bem os custos. Também prevê que a Unitree aumente a proporção de compras externas à medida que o volume crescer, equilibrando custo e qualidade. Por outro lado, fabricantes de robôs completos com baixa consistência dos produtos e dependentes de clientes que coletam dados podem enfrentar queda da demanda.